CN116976649B - 退役家电产品局部破坏性拆解线平衡方法 - Google Patents

退役家电产品局部破坏性拆解线平衡方法 Download PDF

Info

Publication number
CN116976649B
CN116976649B CN202311196979.XA CN202311196979A CN116976649B CN 116976649 B CN116976649 B CN 116976649B CN 202311196979 A CN202311196979 A CN 202311196979A CN 116976649 B CN116976649 B CN 116976649B
Authority
CN
China
Prior art keywords
disassembly
task
dismantling
tasks
mode
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311196979.XA
Other languages
English (en)
Other versions
CN116976649A (zh
Inventor
汪开普
王磊
杜百岗
唐红涛
郭钧
李益兵
郭顺生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202311196979.XA priority Critical patent/CN116976649B/zh
Publication of CN116976649A publication Critical patent/CN116976649A/zh
Application granted granted Critical
Publication of CN116976649B publication Critical patent/CN116976649B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/30—Administration of product recycling or disposal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Genetics & Genomics (AREA)
  • Computer Hardware Design (AREA)
  • Educational Administration (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Sustainable Development (AREA)
  • Physiology (AREA)
  • Geometry (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)

Abstract

本发明提供了一种退役家电产品局部破坏性拆解线平衡方法，根据退役家电产品三维结构和拆解工艺，划分拆解任务，并确定拆解任务之间的优先关系；基于所述退役家电产品的零部件的可拆性和危害性，以确定拆解模式，所述拆解模式包括常规拆解模式和破坏性拆解模式；建立以拆解效益和能耗为导向的多目标局部破坏性拆解线平衡问题的混合整数线性规划模型；基于所述优先关系和拆解模式，构造编解码策略，并通过改进多目标遗传算法进行求解，得到拆解方案。可以在短时间内获得综合性能较优的退役家电产品拆解线平衡方案，使得退役家电产品拆解过程更加精准，可以显著提高拆解企业退役家电产品的拆解效率和经济效益，同时降低拆解能耗。

Description

退役家电产品局部破坏性拆解线平衡方法
技术领域
本发明涉及拆解线任务规划技术领域，具体涉及一种退役家电产品局部破坏性拆解线平衡方法。
背景技术
科技的飞速发展加快了产品更新换代的步伐、缩短了产品的使用周期，由此产生了大量退役家电产品。退役家电产品不仅占据着大量可再生资源，同时也含有对环境有害的零部件或材料。若不能及时规范地处理这些产品，不仅会造成资源浪费，也会污染环境。许多拆解企业均采用拆解线来拆解回收退役机电产品，特别是针对退役家电产品，如废旧电视机、废旧电冰箱、废旧空调等，采用破坏性拆解模式和局部拆解方式更符合生产实际，该拆解模式可以显著提高拆解效率和经济效益，同时能够降低拆解能耗。
然而，局部破坏性拆解线平衡问题是NP难组合优化问题，拆解企业拆解方式简单粗暴，多是根据生产经验或简单启发式规则对拆解线任务进行规划，难以精准高效地规划与决策大规模拆解任务和拆解模式，进而容易导致拆解线出现效率低、生产阻塞、成本高、能耗高等问题。此外，现有技术多是根据装配模式来研究拆解，忽略了退役家电产品质量不确定对拆解可行性的影响，难以满足拆解企业实际拆解过程的需要，且未综合考虑零部件的危害性及其拆解过程对环境的影响，最终的拆解方案综合性能差。
发明内容
本发明提出了一种退役家电产品局部破坏性拆解线平衡方法，以解决现有拆解线规划效率低、生产阻塞、成本高和能耗高等技术问题。
为解决上述技术问题，本发明提供了一种退役家电产品局部破坏性拆解线平衡方法，包括以下步骤：
步骤S1：根据退役家电产品三维结构和拆解工艺，划分拆解任务，并确定拆解任务之间的优先关系；
步骤S2：基于所述退役家电产品的零部件的可拆性和危害性，以确定拆解模式，所述拆解模式包括常规拆解模式和破坏性拆解模式；
步骤S3：建立以拆解效益和能耗为导向的多目标局部破坏性拆解线平衡问题的混合整数线性规划模型；
步骤S4：基于所述优先关系和拆解模式，构造编解码策略，并通过改进多目标遗传算法进行求解，得到拆解方案。
优选地，步骤S2中计算所述可拆性的方法包括以下步骤：
步骤S21：设定评语集和对应的评价值；
所述评语集的表达式为：
ΔD=[无法拆解，较难拆解，较易拆解，便于拆解]；
所述评价值的表达式为：
Δd=[Δd1,Δd2,Δd3,Δd4]；
步骤S22：基于所述评价值对零部件进行评定，得到零部件的可拆性：
；
式中，D=[d1,d2,d3,d4]，其中di=ndi/Nd(i=1,…,4)表示第i中评价值的隶属度，ndi表示第i种评价值的专家数，μd为归一化的可拆性量化值，μ0为可拆性阈值，μd值越大，表明越容易拆解。
优选地，确定拆解模式的方法包括：有危害的任务只能选择常规拆解模式；可拆性低于规定阈值的任务只能选择破坏性拆解模式；其他拆解任务采用常规拆解模式或破坏性拆解模式。
优选地，步骤S3中所述混合整数线性规划模型的表达式为：
；
；
；
；
；
其中，0-1变量需要满足的约束条件可以表示为：
；
；
；
式中，f1表示拆解线中开启的工位数，f2表示拆解线的平滑指标，f3表示拆解线的利润指标，f4表示拆解线的能耗指标，W表示工位集合；若工位w开启，则yw为1，否则为0；TC表示拆解线的节拍；Tw表示工位w中的作业时间；I表示拆解任务集合；ri表示拆解任务i的拆解收益；ci表示拆解任务i的单位时间拆解成本，破坏性拆解时为，常规拆解时为/>；ti表示拆解任务i的拆解时间，破坏性拆解时间为/>，常规拆解时间为/>；hi表示拆解任务i的危害属性，任务有危害时hi=1否则hi=0；xiw表示任务分配变量，任务i被分配到工位则xiw=1否则xiw=0；cf表示工位的固定单位时间成本；ei表示拆解任务i的单位时间拆解能耗，破坏性拆解时为/>，常规拆解时为/>；ef表示工位的固定单位时间能耗；φi表示任务拆解模式。
优选地，步骤S4中所述改进多目标遗传算法进行求解的方法包括以下步骤：
步骤S4001：算法参数初始化，设定种群规模Np、最大迭代次数Imax、交叉概率Pc和变异概率Pm；
步骤S4002：根据拆解特征构造编码策略，生成初始种群中个体的编码序列；
步骤S4003：根据拆解约束构造解码策略，完成初始种群中个体序列的解码；
步骤S4004：计算所述初始种群的目标函数值F，筛选非支配解，更新外部档案Q；
步骤S4005：对外部档案Q中的非劣解执行选择操作；
步骤S4006：若rand<Pc，则执行交叉操作，否则进入下一步，rand表示随机数；
步骤S4007：若rand<Pm，则执行变异操作，否则进入下一步；
步骤S4008：执行邻域搜索策略，进行局部搜索；
步骤S4009：计算目标函数值F，筛选非支配解，更新外部档案Q；
步骤S4010：若迭代次数未达到最大迭代次数Imax，则转到步骤S44，否则进入下一步；
步骤S4011：算法终止，输出外部档案Q中的非支配解，得到拆解方案。
优选地，所述编码策略包括拆解决策序列X、拆解模式决策序列Φ和拆解任务序列S；
所述拆解决策序列X由0-1变量组成，其中0表示任务不被拆解，1表示任务被拆解，并满足以下条件：
1）有危害的任务及其所有紧前任务的拆解决策变量是1；
2）拆解决策变量为1的任务的所有紧前任务的拆解决策变量是1；
3）其他任务的拆解决策变量在0和1中随机选择；
所述拆解模式决策序列由0-1变量组成，0表示常规拆解模式，1表示破坏性拆解模式，并满足以下条件：
1）不考虑拆解决策变量为0的任务的拆解模式；
2）有危害的任务的拆解模式变量是0；
3）可拆性低于阈值的任务的拆解模式变量是1；
4）其他任务的拆解模式变量在0和1中随机选择；
所述拆解任务序列采用正整数编码，每个任务编号对应一项拆解任务。
优选地，所述拆解任务序列的构建方法包括以下步骤：
步骤4101：选取优先矩阵P中每列全为0的任务，将其放入候选任务集中，并从中剔除已分配的任务；
步骤S4102：位置k处的任务i从候选任务集中随机选择；
步骤S4103：更新优先矩阵P，解除任务i的优先约束，令pik=0,pki=0,k{1,…,K}，pik和pki表示任务之间的优先关系，K表示位置集合；
步骤S4104：重复以上步骤直到分配完毕，得到拆解任务序列S。
优选地，所述解码策略包括以下步骤：
步骤S4201：解码开始：从位置k开始，令k=1，开启新的工位，令w=1，工位剩余可分配时间TR=TC，工位中的任务集合Sw=Ø；
步骤S4202：判断位置k处任务i是否需要拆解，若拆解决策序列中xi=1，则进行拆解，根据拆解模式φi来确定拆解时间ti，否则转入步骤S4206；
步骤S4203：若当前工位中存在前序任务，当两个任务的拆解工具不同时，存在工具更换时间，则相邻任务工具更换变量dwk=1，否则dwk=0；当前任务与工位中的第一个任务的拆解工具不同时，则首尾任务工具更换变量bw=1，否则bw=0；若当前工位中无前序任务，则dwk=0，bw=0；
步骤S4204：判断当前任务是否可以分配到当前工位：若ti+tb×(dwk+bw)>TR，则工位w的作业时间为Tw=TC–TR+tb×(dw,k-1+ bw)，并开启新的工位，令w=w+1，TR=TC，转入下一步；否则直接转入下一步；tb表示拆解工具更换时间
步骤S4205：将任务i置于工位w中，更新工作中任务集合Sw=Sw∪i，计算工位w的剩余时间TR=TR–ti–tb×(dwk+bw)；
步骤S4206：若k≠K，则令k=k+1，重复步骤S4202-步骤S4206；否则直接转入下一步；
步骤S4207：输出所有工位中的拆解任务序列，解码结束。
优选地，所述交叉操作采用两点映射交叉方式；
所述变异操作的方法包括：先从序列中随机选取两点作为拆解任务的交换点，然后确定两点可以插入的位置，若两点分别为彼此的可插入点，则两点交换后组成新的序列；如果两点不是彼此的可插入点，则重新选择变异点进行变异。
优选地，所述邻域搜索策略包括：随机选取个体中某个任务进行邻域搜索，先确定该任务最近的前后序任务，则将该任务插入其最近的可插入前后序任务之间，如果所选择的位置无可选位置进行插入，则选择新的任务进行邻域搜索。
本发明的有益效果至少包括：
（1）构建了局部破坏性拆解线平衡问题的混合整数线性规划模型，将工位数、平滑指标、拆解能耗、拆解利润作为优化目标，为废旧电视机、废旧电冰箱、废旧空调等退役家电产品拆解线的设计与规划提供了理论与技术支撑；
（2）将经典的多目标遗传算法与局部破坏性拆解线平衡问题相结合，确保了算法的可行性和高效性，为智能优化算法在组合优化问题中的应用奠定了理论基础；
（3）可以在短时间内获得综合性能较优的退役家电产品拆解线平衡方案，使得退役家电产品拆解过程更加精准，可以显著提高拆解企业退役家电产品的拆解效率和经济效益，同时降低拆解能耗。
附图说明
图1为本发明实施例的方法流程示意图；
图2为本发明实施例的改进多目标遗传算法的解码示意图；
图3为本发明实施例的改进多目标遗传算法的交叉示意图；
图4为本发明实施例的改进多目标遗传算法的变异示意图；
图5为本发明实施例的改进多目标遗传算法的邻域搜索示意图；
图6为本发明实施例的CRT电视机拆解任务之间的优先关系图；
图7为本发明实施例的改进多目标遗传算法与对比算法的结果对比图；
图8为本发明实施例的CRT电视机拆解线平衡方案的甘特图；
图9为本发明实施例的优化目标随拆解任务增加的变化图示意图；
图10为本发明实施例的不同拆解模式下的拆解能耗对比示意图。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
如图1所示，本发明实施例提供了一种退役家电产品局部破坏性拆解线平衡方法。
在陈述实施例之前，先对机器人并行拆解进行阐述：
当退役家电产品中存在难以拆解的零部件时，多采用破坏性拆解模式，且只拆解有价值的零部件，因此在难拆解产品中采用破坏性拆解和局部拆解模式。局部破坏性拆解线存在常规拆解和破坏性拆解两种模式，部分任务不拆解，且考虑任务间工具更换因素。
在局部破坏性拆解线中存在着常规拆解和破坏性拆解两种拆解模式，因此需要对拆解任务的拆解模式进行决策。需要指出的是：为了降低拆解过程对环境的影响，有危害的任务只能选择常规拆解模式，不得采用破坏性拆解模式；拆解可行性值低于规定阈值的任务只能选择破坏性拆解模式；其他拆解任务既可以采用常规拆解模式，也可以采用破坏性拆解模式。
为了提高拆解效率、降低拆解成本，一些再利用价值低且无危害的零部件可以选择不拆解，直接粉碎，回收原材料。这种拆解模式被称为局部拆解、部分拆解或不完全拆解。拆解线的综合评价指标包括工位数、平滑指标、拆解利润、拆解能耗。在拆解过程中考虑因拆解工具更换而产生的无效作业时间，因此需要判断工位中相邻任务之间是否存在工具更换。此外，拆解线工位中任务的拆解过程是循环进行的，需要考虑工位中首尾任务是否存在工具更换。
局部破坏性拆解线平衡问题的数学模型中存在以下假设条件：
1）待拆解产品种类唯一，数量充足，零部件齐全，忽略产线意外中断等情况；
2）拆解线的相关信息确定，包括节拍、工位的单位时间成本和能耗；
3）零部件和拆解任务信息确定，包括优先关系、危害性、拆解时间；
4）拆解工具信息确定，包括拆解工具种类、单位时间成本和能耗。
本发明实施例提供了退役家电产品局部破坏性拆解线平衡方法，包括以下步骤：
步骤S1：根据退役家电产品三维结构和拆解工艺，划分拆解任务，并确定拆解任务之间的优先关系。
具体地，根据退役家电产品的三维信息确定产品所有的零部件信息，根据零部件之间的关联性以及零部件的不可再拆属性来划分拆解任务；根据退役家电产品的三维空间结构和拆解工艺顺序，确定拆解任务之间的拆解优先关系，根据优先关系来构造优先关系矩阵和优先关系图。
步骤S2：基于所述退役家电产品的零部件的可拆性和危害性，以确定拆解模式，所述拆解模式包括常规拆解模式和破坏性拆解模式。
具体地，定义可拆性：退役家电产品的零部件主要存在磨损、锈蚀、变形、断裂等失效特性，零部件之间存在焊接、铆接、过盈配合等连接方式，在拆解这些零部件时无法采用常规拆解模式，而是采用破坏性拆解模式。引入零部件拆解可行性来描述拆解难易程度，其量化指标由专家模糊综合评价法来确定。根据拆解的难易程度，将拆解可行性分为四个等级，其评语集表示为ΔD=[无法拆解，较难拆解，较易拆解，便于拆解]，对应的评价值为Δd=[Δd1,Δd2,Δd3,Δd4]，设专家数为Nd，专家评价结果为D=[d1,d2,d3,d4]，其中di= ndi/ Nd(i = 1, …, 4)表示第i种评价值的隶属度，ndi表示第i种评价值的专家数。零部件可拆性的表达式为：
；
μd为归一化的可拆性量化值，μ0为可拆性阈值，μd值越大，表明越容易拆解，当μd<μ0时，无法采用常规拆解模式，只能采用破坏性拆解模式。根据任务的拆解模式，就可以确定拆解任务的拆解时间、拆解工具、拆解收益、单位时间拆解成本、单位时间拆解能耗等信息。
为方便进行说明，本发明实施例中所使用的符号和决策变量如下所示：
i,j：拆解任务编号，拆解任务集合为I，i∈I，最大拆解任务数为|I|；
w：工位编号，工位集合为W，w∈W，最大工位数为|W|，其中|W|≤|I|；
k：任务在工位中的位置，位置集合为K，最大位置为|K|；设集合K'={1,…,|K|–1}；
tb：拆解工具更换时间；
pij：任务之间的优先关系属性，若任务i是任务j的直接紧前任务，则pij=1，否则pij=0；
TC：拆解线的节拍；
μi：拆解任务i的可拆性，0≤μi≤1；μ0为可拆性的临界值；
oi：任务i的工具类型：破坏性拆解工具为；常规拆解工具为/>；工具类型总数为O；
ti：拆解任务i的拆解时间：破坏性拆解时间为；常规拆解时间为/>；
ri：拆解任务i的拆解收益：破坏性拆解收益为；常规拆解收益为/>；
hi：拆解任务i的危害属性：若任务有危害，则hi=1；否则hi=0；
ci：拆解任务i的单位时间拆解成本：破坏性拆解时为；常规拆解时为/>；
cs：工位中无效作业时间的单位时间成本；
cf：工位的固定单位时间成本；
ch：工位处理危害任务时的额外单位时间成本；
ei：拆解任务i的单位时间拆解能耗：破坏性拆解时为；常规拆解时为/>；
es：工位中无效作业时间的单位时间能耗；
ef：工位的固定单位时间能耗；
eh：工位处理危害任务时的额外单位时间能耗；
φi：任务拆解模式：若任务i选择破坏性拆解，则φi=1；否则，选择常规拆解，φi=0
xiw：任务分配变量：若任务i被分配到工位，则xiw=1；否则xiw=0；
yw：工位开启状态：若工位w开启，则yw=1；否则yw=0；
ziwk：任务位置变量：若任务i被分配到工位w的第k位置处，则ziwk=1；否则ziwk=0；
aiw：若任务i是工位w中的最后一项拆解任务，则aiw=1；否则aiw=0；
bw：若工位w中首尾任务的拆解工具不同，则bw=1；否则bw=0；
dwk：若工位w中第k位置与第k+1位置处拆解工具不同，则dwk=1；否则dwk=0；
Tw：工位w中的作业时间，包括拆解时间和工具更换时间，是非负变量。
步骤S3：建立以拆解效益和能耗为导向的多目标局部破坏性拆解线平衡问题的混合整数线性规划模型。
具体地，表达式为：
；
子目标1：拆解线中开启的工位数可以表示为：
；
子目标2：为了均衡工位中的作业时间，拆解线的平滑指标设定为：
；
子目标3：拆解线的利润指标，其影响因素包括拆解收益、拆解任务成本、工位开启成本、工位空闲成本以及工位处理有危害任务的额外成本：
；
子目标4：拆解线的能耗指标，影响因素包括拆解任务能耗、工位空闲能耗、工位开启能耗以及工位处理有危害任务的额外能耗：
；
0-1变量需要满足的约束条件可以表示为：
；
；
。
本发明实施例中为了符合待求解拆解线的流程，约束条件包括：
约束1：基于拆解可行性的破坏性拆解模式约束可以表示为：
；
约束2：拆解时间、拆解利润、拆解成本、拆解能耗、拆解工具分别与拆解模式的关系分别为：
；
；
；
；
；
约束3：局部拆解约束可以表示为：
；
约束4：有危害的任务必须拆解且采用常规拆解模式，其表达式为：
；
约束5：节拍约束，即工位中拆解时间与工具更换时间之和不超过给定的节拍，其表达式为：
；
约束6：工位中的任务与工位是否开启之间的关系可以表示为：
；
约束7：工位按照顺序依次开启，其表达式为：
；
约束8：工位数不超过总任务数，即不存在空工位开启，其表达式为：
；
约束9：任务优先约束可以表示为：
；
约束10：任务分配与任务位置之间的关系可以表示为：
；
约束11：工位中每一位置最多分配一项任务，其表达式为：
；
约束12：工位中任务按照位置依次分配，其表达式为：
；
约束13：任务之间的优先位置关系可以表示为：
；
约束14：工位中相邻任务之间的工具更换约束可以表示为
；
；
；
；
；
；
；
；
；
；
；
；
；
约束15：工位开启状态与工位中最后一项任务的关系可以表示为：
；
约束16：工位中最后一项任务与任务位置之间的关系可以表示为：
；
；
约束17：工位中首尾任务工具更换约束可以表示为：
；
；
；
；
；
；
；
；
；
；
；
；
。
步骤S4：基于所述优先关系和拆解模式，构造编解码策略，并通过改进多目标遗传算法进行求解，得到拆解方案。
具体地，改进多目标遗传算法进行求解的方法包括以下步骤：
步骤S4001：算法参数初始化，设定种群规模Np、最大迭代次数Imax、交叉概率Pc和变异概率Pm；
步骤S4002：根据拆解特征构造编码策略，生成初始种群中个体的编码序列；
步骤S4003：根据拆解约束构造解码策略，完成初始种群中个体序列的解码；
步骤S4004：计算所述初始种群的目标函数值F，筛选非支配解，更新外部档案Q；
步骤S4005：对外部档案Q中的非劣解执行选择操作；
步骤S4006：若随机数rand<Pc，则执行交叉操作，否则进入下一步；
步骤S4007：若rand<Pm，则执行变异操作，否则进入下一步；
步骤S4008：执行邻域搜索策略，进行局部搜索；
步骤S4009：计算目标函数值F，筛选非支配解，更新外部档案Q；
步骤S4010：若迭代次数未达到最大迭代次数Imax，则转到步骤S44，否则进入下一步；
步骤S4011：算法终止，输出外部档案Q中的非支配解，得到拆解方案。
本发明实施例中，编码策略包括：采用整数编码方式来构造拆解序列，编码序列包括拆解决策序列X、拆解模式决策序列Φ和拆解任务序列S，则编码序列可以表示为[X;Φ;S]。
所述拆解决策序列X由0-1变量组成，其中0表示任务不被拆解，1表示任务被拆解，并满足以下条件：
1）有危害的任务及其所有紧前任务的拆解决策变量是1；
2）拆解决策变量为1的任务的所有紧前任务的拆解决策变量是1；
3）其他任务的拆解决策变量在0和1中随机选择；
所述拆解模式决策序列由0-1变量组成，0表示常规拆解模式，1表示破坏性拆解模式，并满足以下条件：
1）不考虑拆解决策变量为0的任务的拆解模式；
2）有危害的任务的拆解模式变量是0；
3）可拆性低于阈值的任务的拆解模式变量是1；
4）其他任务的拆解模式变量在0和1中随机选择；
所述拆解任务序列采用正整数编码，每个任务编号对应一项拆解任务。具体地，最大任务编号等于拆解任务数，为了确保拆解任务序列的可行性，采用基于优先矩阵的方式来挑选拆解任务。这种任务挑选方式遵循的原则是：优先矩阵中的待分配任务无前序任务。构造拆解任务序列S的步骤包括：①选取优先矩阵P中每列全为0的任务，将其放入候选任务集中，并从中剔除已分配的任务；②位置k处的任务i是从候选任务集中随机选择的；③更新优先矩阵P，解除任务i的优先约束：令pij=0,pji=0,jI{1,…,K}；④令k=k+1，继续分配任务至新的位置处；⑤重复以上几步，已分配任务数等于任务总数，得到拆解任务序列S。
解码策略包括：将编码序列中的拆解任务分配到每一个工位中，并确定工位中拆解任务的顺序。首先需要判断任务是否需要拆解，根据拆解模式确定拆解时间，并分析相邻任务之间是否存在拆解工具更换时间，同时需要判断工位中首尾任务是否存在工具更换时间。分配到工位中的任务需要满足节拍约束。解码流程如图2所示。
具体实施步骤为：
步骤S4201：解码开始：从位置k开始，令k=1，开启新的工位，令w=1，工位剩余可分配时间TR=TC，工位中的任务集合Sw=Ø；
步骤S4202：判断位置k处任务i是否需要拆解，若拆解决策序列中xi=1，则进行拆解，根据拆解模式φi来确定拆解时间ti，否则转入步骤S4206；
步骤S4203：若当前工位中存在前序任务，当两个任务的拆解工具不同时，存在工具更换时间，则相邻任务工具更换变量dwk=1，否则dwk=0；当前任务与工位中的第一个任务的拆解工具不同时，则相邻任务工具更换变量bw=1，否则bw=0；若当前工位中无前序任务，则dwk=0，bw=0；
步骤S4204：判断当前任务是否可以分配到当前工位：若ti+tb×(dwk+bw)>TR，则工位w的作业时间为Tw=TC–TR+tb×(dw,k-1+bw)，并开启新的工位，令w=w+1，TR=TC，转入下一步；否则直接转入下一步；tb表示拆解工具更换时间
步骤S4205：将任务i置于工位w中，更新工作中任务集合Sw=Sw∪i，计算工位w的剩余时间TR=TR–ti–tb×(dwk+bw)；
步骤S4206：若k≠K，则令k=k+1，重复步骤S4202-步骤S4206；否则直接转入下一步；
步骤S4207：输出所有工位中的拆解任务序列，解码结束。
本发明实施例中，交叉操作如图3所示，采用两点映射交叉方式，随机选择两个交换点，保持交换点之外的序列不变，交换点之间的序列通过邻域映射得到，同时随机变换拆解模式变量，使得新解为可行拆卸序列，并继承父代部分较优序列。
变异操作如图4所示，先从序列中随机选取两点作为拆解任务的交换点，然后确定两点可以插入的位置，若两点分别为彼此的可插入点，则两点可交换，交换后组成新的序列满足优先约束；如果两点不是彼此的可插入点，则交换后无法满足优先约束，需要重新选择变异点。
邻域搜索如图5所示，对遗传操作的个体进行邻域搜索，可以获得局部较优解。随机选择个体中某一位置进行邻域搜索，寻找该位置所有的可行邻域位置进行插入操作，通过贪婪规则将该位置任务插入到最佳邻域位置。具体操作是：随机选取个体中某个任务进行邻域搜索，先确定该任务最近的前后序任务，则该任务可插入其最近的前后序任务之间。如果所选择的位置无可选位置进行插入，即不满足优先约束而无法执行局部搜索，可选择新的任务进行邻域搜索。
本发明实施例中，为了使拆解序列更加直观，通过得到拆解序列，确定每个工位中的拆解任务、任务作业时间窗、任务的拆解模式、任务的拆解时间、工位中的工具更换时间、空闲时间；并根据拆解任务数据信息绘制拆解线平衡方案的甘特图。
实施例：
以废旧CRT电视机拆解线为例，构造局部破坏性拆解线平衡问题，分析本发明的方法在实际工程案例中的应用性能。废旧CRT电视机中普遍存在锈蚀螺钉等难拆解的零部件。表1给出了主要零部件信息。结合该型号电视机的结构和零部件信息，重新划分拆解任务，具体任务信息如表2所示，共32项拆解任务，任务之间的优先关系如图6所示。通过统计拆解现场零部件的质量情况，采用专家模糊综合评估法评估了每一项任务的可拆性；参考零部件的市场价值，评估了每一项拆解任务得到的零部件或材料的价值。表中“-”表示任务不存在破坏性拆解模式下的信息。表2中采用编号1 ~ 8来表示拆解工具，分别代表手、钳子、螺丝刀、剪线钳、切割机、吸取设备、除胶设备、加热设备，拆解工具的单位时间成本分别为0,0.06,0.10,0.10,0.16,0.30,0.36,0.40元，拆解工具的单位时间能耗分别为0,0.1,0.3,0.2,1.0,1.2,1.8,3.0kW。
拆解线的节拍为50s，其他辅助参数分别为cs=0.05元/s，cf=0.02元/s,ch=0.02元/s,es=0.75kW,ef=0.20kW,eh=0.25kW,tb=2s；采用MATLAB R2020编写了改进多目标遗传算法的代码，算法运行环境为Intel Core i5-8400 CPU, 2.80GHz, 16 GB RAM, Windows 1064位操作系统。
表1
表2
为了验证所设计的改进多目标遗传算法（IMOGA）在局部破坏性拆解线平衡问题中的优化性能，引入5种经典的多目标进化算法作为对比算法，分别为非支配排序遗传算法III（NSGA-II）、基于密度估计偏移的强度Pareto进化算法2（SPEA2+SDE）、多偏好向量引导的协同进化算法（PICEA-g）、基于网格的进化算法（GrEA）、超体积估计算法（HypE）。每种算法分别独立运行20次，对所有结果进行Pareto筛选，将筛选后的Pareto前沿作为问题的真实Pareto前沿。采用经典的超体积(HV)、世代距离(GD)和广泛性(Spread)等指标作为多目标算法的评价指标。当HV值越大且GD值与Spread值越小时，算法的性能越好。所有算法的种群数和迭代次数分别设为200和500，NSGA-III的参考点数设为15，部分算法中涉及的交叉概率和变异概率均分别设为0.9和0.1，PICEA-g的参考点数设为400，GrEA的网格划分数设为10，HypE的超体积估计点数设为10000。
绘制6种算法10次结果的箱线图，如图7所示。对比可知：IMOGA在HV、GD和Spread指标上的平均水平均优于5种对比算法，特别是IMOGA的收敛性较对比算法有明显优势。所有算法在HV指标上均无异常值，在GD指标上IMOGA和NSGA-III分别出现了1次和2次异常值，在Spread指标上SPEA2+SDE和PICEA-g分别出现了1次和2次异常值，GrEA和HypE均无异常值。在HV和GD指标上，PICEA-g和HypE的稳定性略差于IMOGA和NSGA-III。综合对比可知IMOGA的性能优于5种对比算法。
分析6种算法在取得最大HV值时方案中的目标极值情况，所有算法均求得最小工位数，即5个工位；子目标f 2是次要目标，NSGA-III和HypE求得的最小f 2值为0，另外3种算法的最小f 2值为1，相差不大；IMOGA求得最大拆解利润值和最小能耗值，分别为25.80元和420.7kW·s，均优于5种对比算法的结果。因此，IMOGA的目标极值探索能力强于5种对比算法。
绘制IMOGA求得最大拆解利润和最小能耗的两个拆解方案的甘特图，如图8所示。图中虚线框表示破坏性拆解任务，网格框表示工具更换时间。两个方案的优化目标分别为[5,1,-18.24,420.7]和[6,4,-25.80,476.1]。在方案1中，拆解任务数为29，即有3个任务选择不拆解；在方案2中，拆解任务数为26，且全部为有危害的任务及其紧前任务。
以图8中的方案1为例，分析能耗和利润与拆解任务数之间的关系。该方案的完整拆解任务序列为[1,19,18,17,9,11,13,10,4,2,12,30,3,14,32,5,15,8,16,20,21,22,23,24,25,26,6,27,7,28,31,29]，任务27是最后一项有危害的任务，即满足要求的拆解序列至少拆解到任务27。图9给出了拆解收益、成本、利润和能耗随着拆解任务增加的变化情况。随着拆解任务的进行，拆解收益、拆解成本都在不断地增加，拆解利润在任务7之后达到最大值25.8元；此后若继续拆解其他任务，拆解利润将会降低，表明局部拆解模式能使拆解利润最大化。此外，拆解能耗在不断增加，拆解完满足要求的所有任务后即可得到最小拆解能耗，若继续拆解，拆解能耗将会增加。图8中的方案2即为最小拆解能耗方案，拆解任务为全部有危害的任务及其紧前任务。方案1中的最小拆解能耗是在拆解完任务27之后，为476.5kW·s，大于图8中方案2的拆解能耗476.1kW·s。
以图8中的方案2为例，分析完全常规拆解、局部破坏性拆解和完全破坏性拆解模式对拆解能耗的影响。需要指出的是，可以选择拆解模式的任务是无危害的，且其可拆性满足阈值。有危害的任务必须采用常规拆解模式，可拆性低的任务必须采用破坏性拆解模式，这两类任务的拆解模式不在讨论范围内。图8的方案2中一共有26项拆解任务，拆解任务序列为[1, 9, 3, 17, 19, 11, 18, 10, 12, 30, 13, 2, 20, 4, 21, 14, 22, 15, 16,5, 23, 8, 27, 26, 25, 24]。在该方案序列中可以选择拆解模式的任务有12个，即任务3,4, 10, 11, 12, 13, 14, 15, 17, 18, 19, 21。图10呈现了这12个任务选择不同拆解模式时能耗的变化情况，包括完全常规拆解和完全破坏性拆解，局部破坏性拆解方案是图8中的方案2。该方案中共有8个任务是破坏性拆解，其中经优化后选择破坏性拆解的任务有6个，包括任务4, 10, 15, 18, 19, 21。三种拆解模式的最终能耗分别为477.1 kW·s,465.4 kW·s, 420.7 kW·s，对比可知局部破坏性拆解的能耗比完全常规拆解和完全破坏性拆解的能耗更低。
在图8中的两个方案中，因拆解工具更换而产生的工具更换时间累计分别为54 s和44 s。虽然每次工具更换时间仅为2 s，但累计量非常大，不可忽略。工具更换次数多与拆解任务中工具种类数较多有关，即使经过优化也无法完全避免产生工具更换时间，优化的目的是尽可能减少发生工具更换。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，仅表达了本发明的较佳实施例而已，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种退役家电产品局部破坏性拆解线平衡方法，其特征在于：包括以下步骤：
步骤S1：根据退役家电产品三维结构和拆解工艺，划分拆解任务，并确定拆解任务之间的优先关系；
步骤S2：基于所述退役家电产品的零部件的可拆性和危害性，以确定拆解模式，所述拆解模式包括常规拆解模式和破坏性拆解模式；
步骤S3：建立以拆解效益和能耗为导向的多目标局部破坏性拆解线平衡问题的混合整数线性规划模型；
所述混合整数线性规划模型的表达式为：
；
；
；
；
；
其中，0-1变量需要满足的约束条件表示为：
；
；
；
式中，f1表示拆解线中开启的工位数，f2表示拆解线的平滑指标，f3表示拆解线的利润指标，f4表示拆解线的能耗指标，W表示工位集合；若工位w开启，则yw为1，否则为0；TC表示拆解线的节拍；Tw表示工位w中的作业时间；I表示拆解任务集合；ri表示拆解任务i的拆解收益；ci表示拆解任务i的单位时间拆解成本，破坏性拆解时为，常规拆解时为/>；ti表示拆解任务i的拆解时间，破坏性拆解时间为/>，常规拆解时间为/>；hi表示拆解任务i的危害属性，任务有危害时hi=1否则hi=0；xiw表示任务分配变量，任务i被分配到工位则xiw=1否则xiw=0；cf表示工位的固定单位时间成本；ei表示拆解任务i的单位时间拆解能耗，破坏性拆解时为/>，常规拆解时为/>；ef表示工位的固定单位时间能耗；/>表示任务拆解模式；
步骤S4：基于所述优先关系和拆解模式，构造编解码策略，并通过改进多目标遗传算法进行求解，得到拆解方案；
所述改进多目标遗传算法进行求解的方法包括以下步骤：
步骤S4001：算法参数初始化，设定种群规模Np、最大迭代次数Imax、交叉概率Pc和变异概率Pm；
步骤S4002：根据拆解特征构造编码策略，生成初始种群中个体的编码序列；
步骤S4003：根据拆解约束构造解码策略，完成初始种群中个体序列的解码；
步骤S4004：计算所述初始种群的目标函数值F，筛选非支配解，更新外部档案Q；
步骤S4005：对外部档案Q中的非劣解执行选择操作；
步骤S4006：若rand<Pc，则执行交叉操作，否则进入下一步，rand表示随机数；
步骤S4007：若rand<Pm，则执行变异操作，否则进入下一步；
步骤S4008：执行邻域搜索策略，进行局部搜索；
步骤S4009：计算目标函数值F，筛选非支配解，更新外部档案Q；
步骤S4010：若迭代次数未达到最大迭代次数Imax，则转到步骤S44，否则进入下一步；
步骤S4011：算法终止，输出外部档案Q中的非支配解，得到拆解方案。
2.根据权利要求1所述的一种退役家电产品局部破坏性拆解线平衡方法，其特征在于：步骤S2中计算所述可拆性的方法包括以下步骤：
步骤S21：设定评语集和对应的评价值；
所述评语集的表达式为：
ΔD=[无法拆解，较难拆解，较易拆解，便于拆解]；
所述评价值的表达式为：
Δd=[Δd1,Δd2,Δd3,Δd4]；
步骤S22：基于所述评价值对零部件进行评定，得到零部件的可拆性：
；
式中，专家评价结果D=[d1,d2,d3,d4]，其中di=ndi/Nd(i=1,…,4)表示第i中评价值的隶属度，ndi表示第i种评价值的专家数，Nd表示专家数，μd为归一化的可拆性量化值，μ0为可拆性阈值，μd值越大，表明越容易拆解。
3.根据权利要求2所述的一种退役家电产品局部破坏性拆解线平衡方法，其特征在于：确定拆解模式的方法包括：有危害的任务只能选择常规拆解模式；可拆性低于规定阈值的任务只能选择破坏性拆解模式；其他拆解任务采用常规拆解模式或破坏性拆解模式。
4.根据权利要求1所述的一种退役家电产品局部破坏性拆解线平衡方法，其特征在于：编码策略包括拆解决策序列X、拆解模式决策序列Φ和拆解任务序列S；
所述拆解决策序列X由0-1变量组成，其中0表示任务不被拆解，1表示任务被拆解，并满足以下条件：
1）有危害的任务及其所有紧前任务的拆解决策变量是1；
2）拆解决策变量为1的任务的所有紧前任务的拆解决策变量是1；
3）其他任务的拆解决策变量在0和1中随机选择；
所述拆解模式决策序列由0-1变量组成，0表示常规拆解模式，1表示破坏性拆解模式，并满足以下条件：
1）不考虑拆解决策变量为0的任务的拆解模式；
2）有危害的任务的拆解模式变量是0；
3）可拆性低于阈值的任务的拆解模式变量是1；
4）其他任务的拆解模式变量在0和1中随机选择；
所述拆解任务序列采用正整数编码，每个任务编号对应一项拆解任务。
5.根据权利要求4所述的一种退役家电产品局部破坏性拆解线平衡方法，其特征在于：所述拆解任务序列的构建方法包括以下步骤：
步骤4101：选取优先矩阵P中每列全为0的任务，将其放入候选任务集中，并从中剔除已分配的任务；
步骤S4102：位置k处的任务i从候选任务集中随机选择；
步骤S4103：更新优先矩阵P，解除任务i的优先约束，令pij=0,pji=0,j∈I，pij和pji表示任务之间的优先关系，K表示位置集合；
步骤S4104：重复以上步骤直到分配完毕，得到拆解任务序列S。
6.根据权利要求5所述的一种退役家电产品局部破坏性拆解线平衡方法，其特征在于：所述解码策略包括以下步骤：
步骤S4201：解码开始：从位置k开始，令k=1，开启新的工位，令w=1，工位剩余可分配时间TR=TC，工位中的任务集合Sw=Ø；
步骤S4202：判断位置k处任务i是否需要拆解，若拆解决策序列中xi=1，则进行拆解，根据拆解模式来确定拆解时间ti，否则转入步骤S4206；
步骤S4203：若当前工位中存在前序任务，当两个任务的拆解工具不同时，存在工具更换时间则，则相邻任务工具更换变量dwk=1，否则dwk=0；当前任务与工位中的第一个任务的拆解工具不同时，则，则首尾任务工具更换变量bw=1，否则bw=0；若当前工位中无前序任务，则dwk=0，bw=0；
步骤S4204：判断当前任务是否可以分配到当前工位：若ti+tb×(dwk+bw)>TR，则工位w的作业时间为Tw=TC–TR+tb×(dw,k-1+bw)，并开启新的工位，令w=w+1，TR=TC，转入下一步；否则直接转入下一步；tb表示拆解工具更换时间
步骤S4205：将任务i置于工位w中，更新工作中任务集合Sw=Sw∪i，计算工位w的剩余时间TR=TR–ti–tb×(dwk+bw)；
步骤S4206：若k≠K，则令k=k+1，重复步骤S4202-步骤S4206；否则直接转入下一步；
步骤S4207：输出所有工位中的拆解任务序列，解码结束。
7.根据权利要求1所述的一种退役家电产品局部破坏性拆解线平衡方法，其特征在于：所述交叉操作采用两点映射交叉方式；
所述变异操作的方法包括：先从序列中随机选取两点作为拆解任务的交换点，然后确定两点可以插入的位置，若两点分别为彼此的可插入点，则两点交换后组成新的序列；如果两点不是彼此的可插入点，则重新选择变异点进行变异。
8.根据权利要求1所述的一种退役家电产品局部破坏性拆解线平衡方法，其特征在于：所述邻域搜索策略包括：随机选取个体中某个任务进行邻域搜索，先确定该任务最近的前后序任务，则将该任务插入其最近的可插入前后序任务之间，如果所选择的位置无可选位置进行插入，则选择新的任务进行邻域搜索。
CN202311196979.XA 2023-09-18 2023-09-18 退役家电产品局部破坏性拆解线平衡方法 Active CN116976649B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311196979.XA CN116976649B (zh) 2023-09-18 2023-09-18 退役家电产品局部破坏性拆解线平衡方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311196979.XA CN116976649B (zh) 2023-09-18 2023-09-18 退役家电产品局部破坏性拆解线平衡方法

Publications (2)

Publication Number Publication Date
CN116976649A CN116976649A (zh) 2023-10-31
CN116976649B true CN116976649B (zh) 2024-02-02

Family

ID=88481764

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311196979.XA Active CN116976649B (zh) 2023-09-18 2023-09-18 退役家电产品局部破坏性拆解线平衡方法

Country Status (1)

Country Link
CN (1) CN116976649B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118038189B (zh) * 2024-04-01 2024-09-10 佛山市顺德鑫还宝资源利用有限公司 一种基于机器视觉的电子产品拆解质量评估系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002263971A (ja) * 2001-03-09 2002-09-17 Ricoh Co Ltd 組立分解工程設計支援装置
WO2019120203A1 (zh) * 2017-12-20 2019-06-27 上海箱箱物流科技有限公司 物流器具及其防拆卸方法
CN113112033A (zh) * 2019-12-24 2021-07-13 国网上海市电力公司 退役拆除资产实物管理全流程可视化的方法
CN115275420A (zh) * 2022-09-19 2022-11-01 长沙矿冶研究院有限责任公司 一种退役动力电池拆解系统及方法
WO2022257348A1 (zh) * 2021-06-08 2022-12-15 重庆邮电大学 一种不确定网络环境中的任务卸载和资源分配方法
CN116512250A (zh) * 2023-03-24 2023-08-01 西南交通大学 基于人机协作的拆卸线平衡方法
CN116663806A (zh) * 2023-05-09 2023-08-29 西南交通大学 考虑不同作业场景的人机协作拆卸线设置方法
CN116690589A (zh) * 2023-08-07 2023-09-05 武汉理工大学 基于深度强化学习的机器人u型拆解线动态平衡方法
CN116702624A (zh) * 2023-04-07 2023-09-05 西南交通大学 一种人机交互约束双边拆卸线设置方法
CN116756918A (zh) * 2023-05-04 2023-09-15 三峡大学 基于模糊时间的锂电池梯次利用拆卸线多目标优化数学模型建立及求解方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002263971A (ja) * 2001-03-09 2002-09-17 Ricoh Co Ltd 組立分解工程設計支援装置
WO2019120203A1 (zh) * 2017-12-20 2019-06-27 上海箱箱物流科技有限公司 物流器具及其防拆卸方法
CN113112033A (zh) * 2019-12-24 2021-07-13 国网上海市电力公司 退役拆除资产实物管理全流程可视化的方法
WO2022257348A1 (zh) * 2021-06-08 2022-12-15 重庆邮电大学 一种不确定网络环境中的任务卸载和资源分配方法
CN115275420A (zh) * 2022-09-19 2022-11-01 长沙矿冶研究院有限责任公司 一种退役动力电池拆解系统及方法
CN116512250A (zh) * 2023-03-24 2023-08-01 西南交通大学 基于人机协作的拆卸线平衡方法
CN116702624A (zh) * 2023-04-07 2023-09-05 西南交通大学 一种人机交互约束双边拆卸线设置方法
CN116756918A (zh) * 2023-05-04 2023-09-15 三峡大学 基于模糊时间的锂电池梯次利用拆卸线多目标优化数学模型建立及求解方法
CN116663806A (zh) * 2023-05-09 2023-08-29 西南交通大学 考虑不同作业场景的人机协作拆卸线设置方法
CN116690589A (zh) * 2023-08-07 2023-09-05 武汉理工大学 基于深度强化学习的机器人u型拆解线动态平衡方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
基于Pareto改进猫群优化算法的多目标拆卸线平衡问题;邹宾森;张则强;李六柯;朱立夏;;信息与控制(第04期);全文 *
基于遗传算法的产品拆卸线平衡问题研究;赵忠;刘贵华;;河南科学(第06期);全文 *
多目标拆卸线平衡问题的Pareto遗传模拟退火算法;汪开普;张则强;朱立夏;邹宾森;;计算机集成制造系统(第06期);全文 *
家电产品回收物流网络模型优化研究;吴景新;李杰;;物流技术(第05期);全文 *
模糊作业时间的拆卸线平衡Pareto多目标优化;汪开普;张则强;邹宾森;毛丽丽;;计算机工程与应用(第01期);全文 *
混合遗传算法求解退役工程机械回收及再制造系统中的碳排放问题;邓乾旺;徐博文;廖浩岚;刘霞辉;;计算机应用与软件(第04期);全文 *
部分破坏性拆卸线平衡问题建模与优化;曾艳清;张则强;刘俊琦;张颖;;信息与控制(第03期);全文 *
面向再制造的拆卸线平衡问题建模理论及求解方法综述;张则强;蔡宁;曾艳清;李六柯;邹宾森;;中国机械工程(第21期);全文 *
面向可拆解性的家电产品结构改进设计方案;曾志敏;赵新;宋彬;;日用电器(第09期);全文 *

Also Published As

Publication number Publication date
CN116976649A (zh) 2023-10-31

Similar Documents

Publication Publication Date Title
Li et al. Two-level imperialist competitive algorithm for energy-efficient hybrid flow shop scheduling problem with relative importance of objectives
Salido et al. Rescheduling in job-shop problems for sustainable manufacturing systems
Sivasankaran et al. Literature review of assembly line balancing problems
Zhang et al. An object-coding genetic algorithm for integrated process planning and scheduling
Neufeld et al. A systematic review of multi-objective hybrid flow shop scheduling
Gao et al. An efficient approach for type II robotic assembly line balancing problems
De Giovanni et al. An improved genetic algorithm for the distributed and flexible job-shop scheduling problem
Papageorgaki et al. Optimal design of multipurpose batch plants. 1. Problem formulation
CN116976649B (zh) 退役家电产品局部破坏性拆解线平衡方法
CN115145235B (zh) 一种铸造全流程的多目标智能调度方法
Zhang et al. An integer-coded differential evolution algorithm for simple assembly line balancing problem of type 2
Costa et al. A dual encoding-based meta-heuristic algorithm for solving a constrained hybrid flow shop scheduling problem
Rohaninejad et al. Multi-objective optimization of integrated lot-sizing and scheduling problem in flexible job shops
CN114519455A (zh) 一种带运输过程的分布式柔性车间调度方法及系统
Subbaiah et al. Scheduling of AGVs and machines in FMS with makespan criteria using sheep flock heredity algorithm
Zhang et al. Effective genetic approach for optimizing advanced planning and scheduling in flexible manufacturing system
CN117148796A (zh) 一种求解多目标柔性作业车间调度问题的优化方法
Salehi et al. A multi-objective location-allocation problem with lateral transshipment between distribution centres
CN116985146B (zh) 退役电子产品的机器人并行拆解规划方法
Zhu et al. Discrete African buffalo optimization algorithm for the low-carbon flexible job shop scheduling problem
CN111210125A (zh) 一种基于历史信息指导的多目标工件批调度方法及装置
Delgoshaei et al. A new method for decreasing cell-load variation in dynamic cellular manufacturing systems
Chen et al. Bi-objective optimization of identical parallel machine scheduling with flexible maintenance and job release times
Zheng et al. Solving multi-objective two-sided assembly line balancing problems by harmony search algorithm based on pareto entropy
Xu et al. Solving distributed low carbon scheduling problem for large complex equipment manufacturing using an improved hybrid artificial bee colony algorithm

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant